Inteligencia artificial hace que los grandes microscopios vean mejor, trabajen más rápido y procesen más datos

El aprendizaje automático ayuda a algunos de los mejores microscopios a ver mejor, trabajar más rápido y procesar más datos.

Para observar las rápidas señales neuronales en el cerebro de un pez, los científicos han comenzado a utilizar una técnica llamada microscopía de campo de luz, que hace posible obtener imágenes de procesos biológicos tan rápidos en 3D.

Pero las imágenes a menudo carecen de calidad, y se necesitan horas o días para que grandes cantidades de datos se conviertan en volúmenes y películas en 3D.

Ahora, científicos de EMBL han combinado algoritmos de inteligencia artificial (IA) con dos técnicas de microscopía de vanguardia, un avance que acorta el tiempo de procesamiento de imágenes de días a segundos, al tiempo que garantiza que las imágenes resultantes sean nítidas y precisas.

Los hallazgos se publican en Nature Methods.

“En última instancia, pudimos aprovechar ‘lo mejor de ambos mundos’ en este enfoque“, dice Nils Wagner, uno de los dos autores principales del artículo y ahora estudiante de doctorado en la Universidad Técnica de Múnich.

“La IA nos permitió combinar diferentes técnicas de microscopía, de modo que pudiéramos obtener imágenes tan rápido como lo permite la microscopía de campo de luz y acercarnos a la resolución de imagen de la microscopía de lámina de luz“.

Aunque la microscopía de lámina de luz y la microscopía de campo de luz suenan similares, estas técnicas tienen diferentes ventajas y desafíos.

La microscopía de campo de luz captura grandes imágenes en 3D que permiten a los investigadores rastrear y medir movimientos notablemente finos, como el corazón de una larva de pez, a velocidades muy altas.

Pero esta técnica produce cantidades masivas de datos, que pueden tardar días en procesarse, y las imágenes finales generalmente carecen de resolución.

La microscopía de lámina de luz se enfoca en un solo plano 2D de una muestra dada a la vez, por lo que los investigadores pueden obtener imágenes de las muestras a mayor resolución.

En comparación con la microscopía de campo de luz, la microscopía de hoja de luz produce imágenes que son más rápidas de procesar, pero los datos no son tan completos, ya que solo capturan información de un solo plano 2D a la vez.

Para aprovechar los beneficios de cada técnica, los investigadores de EMBL desarrollaron un enfoque que utiliza microscopía de campo de luz para obtener imágenes de muestras 3D grandes y microscopía de hoja de luz para entrenar los algoritmos de IA, que luego crean una imagen 3D precisa de la muestra.

“Si usted crea algoritmos que producen una imagen, debe comprobar que estos algoritmos están construyendo la imagen correcta“, explica Anna Kreshuk, líder del grupo EMBL cuyo equipo aportó experiencia en aprendizaje automático al proyecto.

En el nuevo estudio, los investigadores utilizaron microscopía de hoja de luz para asegurarse de que los algoritmos de IA estuvieran funcionando, dice Anna.

“Esto hace que nuestra investigación se destaque de lo que se ha hecho en el pasado“.

Robert Prevedel, el líder del grupo EMBL cuyo grupo contribuyó con la novedosa plataforma de microscopía híbrida, señala que el verdadero cuello de botella en la construcción de mejores microscopios a menudo no es la tecnología óptica, sino la computación.

Por eso, en 2018, él y Anna decidieron unir fuerzas.

“Nuestro método será realmente clave para las personas que quieran estudiar cómo computan los cerebros.

Nuestro método puede obtener imágenes de un cerebro completo de una larva de pez, en tiempo real ”, dice Robert.

Él y Anna dicen que este enfoque podría modificarse para funcionar también con diferentes tipos de microscopios, lo que eventualmente permitirá a los biólogos observar docenas de especímenes diferentes y ver mucho más, mucho más rápido.

Por ejemplo, podría ayudar a encontrar genes involucrados en el desarrollo del corazón o podría medir la actividad de miles de neuronas al mismo tiempo.

A continuación, los investigadores planean explorar si el método se puede aplicar a especies más grandes, incluidos los mamíferos.

El coautor principal del estudio, Fynn Beuttenmüller, estudiante de doctorado en el grupo Kreshuk en EMBL Heidelberg, no tiene dudas sobre el poder de la IA.

“Los métodos computacionales seguirán aportando avances interesantes a la microscopía“.

Fuente: EMBL